Learning Predictive Ambiguity Sets for Decision-Focused Distributionally Robust Optimization

तकनीकी सारांश: निर्णय-केंद्रित वितरण रूप से सुदृढ़ अनुकूलन (Decision-Focused Distributionally Robust Optimization) के लिए पूर्वानुमानित अस्पष्टता सेटों (Predictive Ambiguity Sets) को सीखना

1. समस्या विवरण

मानक "पूर्वानुमान-फिर-अनुकूलन" (predict-then-optimize) प्रणालियाँ अनिश्चितता को एक एकल बिंदु पूर्वानुमान (जैसे, माध्य प्रतिफल) में संकुचित कर देती हैं और फिर उस पूर्वानुमान को वास्तविक सत्य मानकर डाउनस्ट्रीम अनुकूलन समस्या को हल करती हैं। यह दृष्टिकोण नाजुक है; पूर्वानुमान त्रुटियाँ बड़े निर्णय नुकसान (decision losses) का कारण बन सकती हैं, विशेष रूप से जब अनुकूलक (optimizer) सक्रिय बाधाओं या उच्च-संवेदनशीलता वाले दिशाओं के साथ गलतियों को बढ़ा देता है।

वितरण रूप से सुदृढ़ अनुकूलन (Distributionally Robust Optimization - DRO) एक अस्पष्टता सेट (ambiguity set) के भीतर सबसे खराब स्थिति वाले वितरण के विरुद्ध अनुकूलन करके इस समस्या का समाधान करता है। हालाँकि, पारंपरिक Wasserstein DRO हाथ से डिज़ाइन किए गए अस्पष्टता सेटों पर निर्भर करता है जहाँ केंद्र एक निश्चित ऐतिहासिक अनुभवजन्य वितरण होता है और त्रिज्या (radius) एक वैश्विक स्केलर होती है जिसे सत्यापन (validation) के माध्यम से ट्यून किया जाता है। यह स्थिर दृष्टिकोण प्रासंगिक वातावरणों (contextual environments) के साथ मेल नहीं खाता है: अस्थिर अवधियों के दौरान सुरक्षित रहने वाली त्रिज्या स्थिर अवधियों के दौरान अत्यधिक रूढ़िवादी हो सकती है, जबकि औसत प्रदर्शन के लिए ट्यून की गई त्रिज्या शासन परिवर्तन (regime shifts) के समय विफल हो सकती है। मुख्य समस्या यह है कि अस्पष्टता सेट को स्वयं प्रासंगिक (contextual) और सीखने योग्य (learnable) कैसे बनाया जाए, ताकि सिस्टम की विशिष्ट स्थिति के अनुसार मजबूती और प्रदर्शन के बीच संतुलन बनाया जा सके।

2. कार्यप्रणाली: सीखे गए पूर्वानुमानित अस्पष्टता सेट (Learned Predictive Ambiguity Sets - LPAS)

यह शोध पत्र Learned Predictive Ambiguity Sets (LPAS) का प्रस्ताव करता है, जो एक ढांचा है जो संभावabilistic डीप फोरकास्टिंग और Wasserstein DRO के बीच के अंतर को पाटता है। एक निश्चित केंद्र और त्रिज्या के बजाय, LPAS एक डीप कॉन्टेक्स्टुअल मॉडल का उपयोग करता है जो दिए गए संदर्भ $z_t$ के लिए तीन घटक आउटपुट करता है:

1. एक परिमित नाममात्र परिदृश्य वितरण (Finite Nominal Scenario Distribution): $\hat{P}_\theta(\cdot | z_t) = \sum_{i=1}^N p_{\theta,i}(z_t) \delta_{\hat{\xi}_{\theta,i}(z_t)}$, जो अनुमानित परिदृश्यों के एक असतत सेट का प्रतिनिधित्व करता है।
2. एक स्थिति-निर्भर त्रिज्या (State-Dependent Radius): $\rho_\phi(z_t)$, एक गैर-ऋणात्मक स्केलर जो Wasserstein बॉल के आकार को परिभाषित करता है।
3. (वैकल्पिक) एक एनिसोट्रोपिक ग्राउंड मेट्रिक (Anisotropic Ground Metric): $c_\psi(\xi, \xi'; z_t)$, हालांकि प्रयोगों में एक निश्चित यूक्लिडियन मेट्रिक का उपयोग किया गया है।

ये आउटपुट एक प्रासंगिक अस्पष्टता सेट $\mathcal{P}_{\theta,\phi}(z_t) = \{ Q : W_c(Q, \hat{P}_\theta(\cdot | z_t)) \leq \rho_\phi(z_t) \}$ को परिभाषित करते हैं। डाउनस्ट्रीम निर्णय $x_t$ इस सेट पर सबसे खराब स्थिति के अपेक्षित नुकसान को कम करके निकाला जाता है।

प्रशिक्षण उद्देश्य और एल्गोरिदम
मॉडल को एक मिश्रित उद्देश्य फलन (composite objective function) का उपयोग करके एंड-टू-एंड प्रशिक्षित किया जाता है जो चार पदों के बीच संतुलन बनाता है:

• निर्णय हानि ($L_{dec}$): डाउनस्ट्रीम सुदृढ़ निर्णय का वास्तविक नुकसान।
• पूर्वानुमान हानि ($L_{pred}$): नाममात्र परिदृश्य वितरण को प्रशिक्षित करता है (जैसे, नेगेटिव लॉग-लाइक्लीहुड या परिदृश्य पुनर्निर्माण के माध्यम से)।
• कैलिब्रेशन हानि ($L_{cal}$): पिनबॉल लॉस का उपयोग यह सुनिश्चित करने के लिए करता है कि त्रिज्या पूर्वानुमान त्रुटियों के एक सशर्त उच्च क्वांटाइल (conditional high quantile) के करीब रहे, जिससे त्रिज्या के ढहने (collapse) को रोका जा सके।
• आकार और स्थिरता नियमितीकरण ($L_{size}, L_{stab}$): त्रिज्या के अत्यधिक विस्तार को रोकता है और समय के चरणों के बीच सुचारू संक्रमण सुनिश्चित करता है।

प्रशिक्षण एक चरणबद्ध एल्गोरिदम का पालन करता है:

1. पूर्वानुमान हानि का उपयोग करके परिदृश्य जनरेटर ($\hat{P}_\theta$) को प्री-ट्रेन करना।
2. कैलिब्रेशन और साइज रेगुलाइजेशन का उपयोग करके त्रिज्या नेटवर्क ($\rho_\phi$) को एक कैलिब्रेशन स्प्लिट पर प्रशिक्षित करना।
3. पूरे सिस्टम (परिदृश्य, त्रिज्या और निर्णय परत) को पूर्ण निर्णय-केंद्रित उद्देश्य का उपयोग करके फाइन-ट्यून करना।

एफाइन लॉस (affine loss) और यूक्लिडियन लागतों के विशिष्ट मामले के लिए, यह पेपर एक सुलभ परिमित-आयामी द्वैत रूप (finite-dimensional dual form) व्युत्पन्न करता है। सुदृढ़ पोर्टफोलियो समस्या एक अपेक्षित प्रतिफल को घटाकर अधिकतम करने के बराबर हो जाती है, जो सीखे गए त्रिज्या और पोर्टफोलियो नॉर्म के अनुपात में एक दंड (penalty) है: $\max_w \hat{\mu}^\top w - \rho(z_t)\|w\|_2 - \text{regularization}$।

3. प्रमुख योगदान

यह शोध पत्र चार प्राथमिक योगदान देता है:

1. LPAS ढांचा: डीप संभावabilistic फोरकास्टिंग और Wasserstein DRO के बीच एक प्रासंगिक सेतु पेश करता है, जहाँ अस्पष्टता सेट (केंद्र और त्रिज्या) को निर्धारित करने के बजाय सीखा जाता है।
2. त्रिज्या-सीखने का उद्देश्य: एक बहु-घटक हानि फलन विकसित करता है जो पूर्वानुमान सटीकता, सांख्यिकीय अंशांकन (क्वांटाइल-शैली), आकार नियमितीकरण और वास्तविक निर्णय गुणवत्ता को एकीकृत करता है।
3. सुलभ कार्यान्वयन: DRO परत के लिए एक सुलभ द्वैत रूप और एक चरणबद्ध प्रशिक्षण एल्गोरिदम प्रदान करता है जो विभेदक (differentiable) सुदृढ़ निर्णय लेने में सक्षम बनाता है।
4. अनुभवजन्य सत्यापन: पोर्टफोलियो अनुकूलन अध्ययन के माध्यम से यह प्रदर्शित करता है कि अनुकूलनीय अस्पष्टता त्रिज्याएँ गैर-सुदृढ़ और ऐतिहासिक-DRO बेसलाइन की तुलना में बेहतर प्रदर्शन कर सकती हैं, जबकि एक मजबूत निश्चित-त्रिज्या DRO मॉडल के प्रदर्शन के काफी करीब रहती हैं।

4. प्रयोगात्मक परिणाम

विधि का मूल्यांकन जनवरी 2018 से जून 2026 तक 20 S&P 500 घटकों का उपयोग करके एक दैनिक पोर्टफोलियो अनुकूलन कार्य पर किया गया। LPAS मॉडल की तुलना EW, P2O, Hist-WDRO, और एक डीप प्रेडिक्टिव फिक्स्ड-रेडियस DRO से की गई।

मुख्य निष्कर्ष:

• प्रदर्शन: LPAS ने EW, Plo, और Hist-WDRO की तुलना में काफी बेहतर प्रदर्शन किया।
• Fixed-DRO के साथ तुलना: LPAS ने 26.28% का वार्षिक प्रतिफल और 1.30 का शार्प रेश्यो प्राप्त किया, जो Fixed-DRO बेसलाइन (27.48% प्रतिफल, 1.34 शार्प रेश्यो) से थोड़ा कम है।
• दक्षता और जोखिम: औसत मेट्रिक्स में मामूली गिरावट के बावजूद, LPAS ने काफी छोटी औसत त्रिज्या (35.44 के मुकाबले 24.35) का उपयोग किया और बेहतर 'वर्स्ट-मंथ लॉस' और CVaR95 मेट्रिक्स प्राप्त किए।
• अनुकूलन क्षमता: सीखा गया रेडियस बाजार की स्थितियों के साथ सफलतापूर्वक बदलता रहा, उच्च अस्थिरता वाले दौर में बढ़ गया और स्थिर अवधियों के दौरान कम हो गया।
• एब्लेशन (Ablation): कैलिब्रेशन लॉस को हटाने से त्रिज्या ढह गई, जिससे नकारात्मक प्रतिफल और उच्च ड्रॉडाउन हुआ, जो पुष्टि करता है कि विधि की स्थिरता के लिए कैलिब्रेशन आवश्यक है।

5. महत्व और दावे

शोध पत्र का दावा है कि प्रस्तावित दृष्टिकोण यह प्रदर्शित करता है कि सीखे गए अस्पष्टता त्रिज्याएँ एक मजबूत निश्चित-त्रिज्या DRO के अधिकांश प्रदर्शन को प्राप्त कर सकते हैं जबकि अनावश्यक रूढ़िवादिता को कम कर सकते हैं।

परिणामों द्वारा समर्थित केंद्रीय परिकल्पना यह है कि सुदृढ़ निर्णय लेने में, जो वस्तु सीखने योग्य है वह केवल एक पूर्वानुमान नहीं है, बल्कि यह भी है कि वर्तमान स्थिति के आधार पर अनुकूलक को उस पूर्वानुमान पर कितना अविश्वास करना चाहिए। अस्पष्टता सेट को प्रासंगिक बनाकर, LPAS "शासन अनुकूलन क्षमता" (regime adaptivity) प्राप्त करता है, जो शांत बाजारों में प्रदर्शन से समझौता किए बिना, ड्रॉडाउन और उच्च-अनिश्चितता वाले अवधियों के दौरान मजबूत सुरक्षा प्रदान करता है। लेखक नोट करते हैं कि हालांकि LPPS एक Fixed-DRO के प्रतिस्पर्धी है, यह सुदृढ़ता बजट का अधिक कुशल उपयोग प्रदान करता है, जिससे वैश्विक अति-रूढ़िवादिता (global over-conservatism) से बचा जा सकता है जो निश्चित-त्रिज्या दृष्टिकोणों में निहित है।

स्वीकृत सीमाएँ:
लेखक विनम्रतापूर्वक नोट करते हैं कि प्रयोग एक 20-एसेट यूनिवर्स पर एक एकल रोलिंग स्प्लिट तक सीमित हैं, सीखा गया एनिसोट्रोपिक मेट्रिक (anisotropic metric) मूल्यांकित नहीं किया गया था, और निर्णय-जागरूक ट्यूनिंग के बाद अनुभवजन्य कवरेज नाममात्र लक्ष्य से थोड़ा कम है (जो सख्त जोखिम-नियंत्रण अनुप्रयोगों में कॉन्फॉर्मल पोस्ट-कैलिब्रेशन की आवश्यकता का सुझाव देता है)।